JMP 在上游 06：我的碳氫化合物是什麼？ 使用光譜數據預測辛烷值原定會議日期：2022 年 2 月 3 日
涵蓋的主題：數據導入和清理、繪製譜線、廣義回歸和 PLS
在上游 JMP 的這一集中， @Bill_Worley （高級系統工程師）展示了他共同開發的用於在 JMP 中分析光譜數據的插件。 他向我們介紹了將數據導入 JMP 的方法、數據清理和準備、分析前可視化數據的技巧，以及分析本身。 他演示了幾種分析數據的方法，包括偏最小二乘法 (PLS) 和廣義回歸。 在後一種方法中，他能夠將得出可行決策所需的光譜數量從 400（收集的總線數）減少到 340（具有統計顯著性的 PLS 模型所需），再到不到 70（Gen Reg）。 想像一下只需要收集 <20% 的數據？ 那是實時節省的真錢！
從分析不同辛烷值的汽油樣品中得出的光譜線。
在上游 JMP 的這一集中，Bill Worley（高級系統工程師）展示了他與他人共同開發的用於在 JMP 中分析光譜數據的插件。 他向我們介紹了將數據導入 JMP 的方法、數據清理和準備、分析前可視化數據的技巧，以及分析本身。 他演示了幾種分析數據的方法，包括偏最小二乘法 (PLS) 和廣義回歸。 在後一種方法中，他能夠將得出可行決策所需的光譜數量從 400（收集的總線數）減少到 340（具有統計顯著性的 PLS 模型所需），再到不到 70（Gen Reg）。 想像一下只需要收集 <20% 的數據？ 那是實時節省的真錢！
